如何最佳地结合去马赛克与去噪？

图像去马赛克和去噪在原始成像流水线中起着关键作用。这些过程通常被当作独立的来处理，没有考虑它们之间的相互作用。事实上，大多数经典去噪方法处理的是含噪RGB图像，而非原始图像。反之，大多数去马赛克方法处理的是无噪图像的去马赛克。真实问题是对含噪原始图像同时进行去噪和去马赛克。但如何进行这一问题尚未明确。在本文中，我们进行了大量实验和数学分析，通过低复杂度算法来解决这个问题。事实上，两个问题此前仅通过端到端的重量级卷积神经网络（CNN）联合处理，而这类网络目前与低功耗便携成像设备不兼容，且本质上依赖于特定领域（或设备）。我们的研究使我们得出结论：在中等噪声水平下，应先进行去马赛克，再进行去噪。这需要对经典去噪算法进行简单调整以适应去马赛克后的噪声，我们对此进行了论证和说明。尽管我们的主要结论是'先去马赛克，后去噪'，但我们也发现对于高噪声水平，通过一种更复杂的策略可以获得适度的PSNR提升：部分CFA去噪后进行去马赛克，再对RGB图像进行第二次去噪。这些令人惊讶的结果是通过流水线的黑箱优化获得的，该优化可应用于任何其他流水线。我们在来自多个基准测试的模拟和真实含噪CFA图像上验证了我们的结果。